ИИ и сложнейшие проблемы мира · Науки о жизни · Nature (computational biology) · 2026-10-20
Преодоление разрыва при развёртывании автоматического мониторинга молей с помощью фундаментальных моделей биоразнообразия
Оригинальное название: Bridging the deployment gap in automated moth monitoring through biodiversity foundation models
Модели распознавания видов для автоматического мониторинга биоразнообразия обычно обучаются на больших репозиториях изображений гражданской науки, что создаёт разрыв доменов с изображениями полевого развёртывания. Авторы построили тонкозернистый классификатор молей примерно из 363 000 изображений гражданской науки, охватывающих 2 727 видов, и оптимизировали конвейер трансферного обучения с помощью предобученных представлений, специфичных для биоразнообразия (BioCLIP2.5), параметр-эффективной адаптации и аугментации данных. Конвейер достиг точности Top-1 85.0% на коммерческой системе мониторинга и 89.5% на недорогом периферийном устройстве, повысив полевые показатели с 38.9% до 69.7% и с 62.3% до 82.3% соответственно.